数学理论和方法在量化投资中非常重要「科学量化是什么意思」

大家好，数学理论和方法在量化投资中非常重要「科学量化是什么意思」很多人还不知道，现在让我们一起来看看吧！

量化到底是怎样一种存在？

熟悉，是因为它不时在耳边被提及；陌生，是因为总觉得模型是一个“魔盒”，对里面的逻辑、方法傻傻看不清。

其实量化基金经理们对自己的工作是另一番理解。既然投资是一门艺术，那么量化投资的工作，就是让这门艺术数字化、程序化，也就是让投资艺术科学化的过程。

好吧，那就让博道量化基金经理杨梦现身，聊聊科学化的投资之道。

除了鱼叉，你还需要一个渔网

能介绍下你每天工作的日常吗？

一般来说，每天到公司第一件事就是开晨会。第二件事便是开盘前要生成好产品的当日交易指令清单，下达给交易部执行交易，这两件日常事务完成之后，我就会全身心的投入到模型开发的过程之中，写一堆代码，处理一堆数据，试图从客观的，与时俱进的数据视角，来抓住市场的主要矛盾。我的主观能动性主要发挥在对选股模型的改造上，而不是对模型选出来的股票再去做过滤和筛选。

相比较主动精选，量化选股的方法是一个什么样的存在？

我觉得是一种非常好的补充。主动管理人通常会对几十只股票有非常深入的研究，会知道标的公司的历史、成败，会很熟悉CEO的个性、风格，公司团队的状况；可以清晰地梳理公司所在的产业以及竞争对手所处的态势；可以有理有据地指出公司为什么做得好、做得不好，目前定价是否合理等等。主动管理人赚的是“精度”的钱。

量化投资经理一般不去深入研究具体的某个股票或某个行业，而是通过能够获取的一切关于上市公司财务状况和交易行为等数据，来给每个上市公司贴上标签，最终选择一些标签很“优质”的股票构成一个持股一两百只的分散的投资组合。

什么样的标签能够称得上“优质”，就是量化投资经理每天深入钻研的问题。这样分散的股票组合里，肯定不是每只股票后期表现都能很优秀，但是只要他们中的大多数表现符合预期，那组合就能表现出较好的收益特征。量化管理人赚的是“宽度”的钱。

为什么说中国市场目前存在大量的阿尔法？

越接近有效率的市场，越不容易捞到阿尔法，很难占到便宜。在机构投资者主导的成熟市场，每家机构都很聪明，你这次侥幸获得，下次可能又要失去。在这种有效市场里，多数公司的价值都是公允的，很难发掘哪个被高估哪个被低估。所以普通投资者只要买入指数并持有就好，这也是在美国，被动投资大行其道的原因。

但中国的情形不同。市场效率相对较低，散户成交占比高，通过量化策略来获得超额收益，相对海外来说更容易一些。当然，尽管人性的贪婪和恐惧都很类似，但是毕竟市场不同，不同市场有不一样的公司、产业，还有不一样的信息传递路径，市场接收信息的速度和反应也不尽相同，所以还需要做一定程度的本地化。这也是很多本土优秀的量化投资者出现的原因。

如果说主动精选基金是“鱼叉”方式捕鱼，优秀的主动基金经理像个出色的“渔夫”。量化基金经理就更像是一个在背后织网的人，要有一个有规则、有纪律的渔网，去捞到更多的鱼。组合里的收益，也不是仅仅由几只“大鱼”来决定，而是由为数众多的符合条件的“中小鱼”来共同决定的。

所以量化选股的产品可以作为优秀的主动精选股票产品的有益补充。

营养元素不在多，关键是全面而且稳定

能介绍一下模型的开发过程吗？

模型是个很专业的词汇，好像是个“黑盒子”，很容易隔开我们和投资者的距离。虽然一时想不到有更通俗的名词来替代它，但我们可以试着简单介绍。首先我们需要建立一个因子库，每个因子的背后都是投资逻辑。我们通过观市场上比较成功的投资群体的投资理念，他们都关注些什么要素，他们都按照什么样的方法来选择股票，再把他们的选股方法通过数据的方式表达出来，便形成了一个个的因子。

那有人说，这世界上可能有几百条在A股赚钱的方法，把他们堆在一起就好了吗？其实不然，每类因子还要根据一定的权重组合。

我看过一个有意思的比喻，将因子比喻为食物中的各种营养成分，比如蛋白质、维生素、脂肪、碳水化合物等，想要知道吃这一餐是否对身体有帮助，不是简单地看什么东西吃了多少数量，而是看这些营养成分地比例和组合，这才是能够创造高回报的投资策略最核心的力量。

有些明白了。拿两个因子出来展示下呗？

每个因子都是量化基金经理的“独门武器”，也受到更多的“隐私保护”。因为这个市场在趋于有效，一种阿尔法如果被发现，资金会很容易跟上去。我们找两类比较常见的因子来解释下。

价值因子应该是大家最熟悉的因子。巴菲特就是价值投资的代表，这个因子的核心就是通过买入价格低于内在价值的公司来获取长期超额收益。这个因子需要注意的是市盈率、市净率、股息率等，根据公司的价值指标来购买股票。这也是基本面量化方法里最普遍的因子。

如此可以多说一句，今年以来，很多指数增强模型没有跑过被动指数，很大部分原因就是在极速上涨中，很多题材股、概念股飞上天，但这类股票通常不在价值因子的网里。

另一类很典型的因子就是成长因子，它描述的是上市公司业绩的成长性，主要考虑业绩增长，营收增长以及增长的质量，稳定性等指标，它通常会选取业绩增速高，增长前景好的一些股票，其背后的投资逻辑是盈利具有动量效应。

因子会有相关性吗？会不会有互相抵消的因子？

会的。例如两个因子，A因子判断这只股票值得投资，B因子觉得还不是时机，那么两个因子就会相互抵消掉。这并不是坏处，因为没有一个因子的判断会百分之百正确。

当这些因子不互相认同时，就表示有一些因素觉得公司被高估，有一些因素觉得公司被低估。但当所有因子都说一类公司被高估了，那基金经理就会非常警惕，因为股价被高估的几率就很大。当因子互相排斥，或者相辅相成的时候，都是在提供额外的信息。模型会综合这些信息，做出投资判断。

量化是将投资艺术科学化的过程

基金经理如何对模型进行调整？

每天收盘后，整个模型系统会对当日的策略表现情况进行清算，那这就是每天很重要的复盘时间。我的任务，是要知道模型近期表现怎么样，如果近期表现较差，那么亏在哪里，是某些行业做了显著负贡献，还是某些个股做了显著负贡献，原因是什么，是否有改进的方法等等。这些梳理跟踪，就是模型不断升级迭代的过程。

所以很多人认为量化晦涩高深，其实它很无辜啦，它是主动选股之外，一个很好的补充。比如明星经理人选股的产品，你知道他是明星经理人，明年还是非常擅长选股，可能会打败大盘，但其它更多，除非面对面聊天，否则很难了解。量化却更坦白，它是由因子逻辑组成的。投资者根据这些因子，比较能够理解量化在做什么、背后的机制是什么，你知道哪些股票他会选，哪些不在它的逻辑里，这个相对透明。

给个人投资者的建议？

从量化对投资者心理的研究，我们可以得出一些启示。比如有时候可以反向而行。在市场大涨之后，由于贪婪去追高，下跌的时候，又由于恐慌而不敢去买一些高品质的资产，所以经常出现高买低卖，造成损失。如果能够想清楚这点，并在恰当时候反向去做，就会发现自己就能更接近专业的机构投资者了。

但这个过程需要纪律和规则。有时候人性难以克服，模型就能做到。客观性纪律性是模型的一个很关键的优势。

如果自己操作有难度，那就借助于我们这些机构。大家可能经常听说这么一句话：投资是门艺术。那么把投资的艺术通过数据和模型方式来实现，就是把艺术科学化的过程，其背后依赖的也是朴素的长期被实践证明的投资原理。

本文源自博道基金

更多精彩资讯，请来金融界网站(www.jrj.com.cn)